買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉天津大學申請的專利融合多視角信息導向表示學習的作者合作網(wǎng)絡挖掘方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN116028718B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202310121879.4，技術領域涉及：G06F16/9535；該發(fā)明授權(quán)融合多視角信息導向表示學習的作者合作網(wǎng)絡挖掘方法是由周一南;邵明來;王文俊;孫越恒設計研發(fā)完成，并于2023-02-16向國家知識產(chǎn)權(quán)局提交的專利申請。

本融合多視角信息導向表示學習的作者合作網(wǎng)絡挖掘方法在說明書摘要公布了：本發(fā)明公開了一種融合多視角信息導向表示學習的作者合作網(wǎng)絡挖掘方法，對作者合作網(wǎng)絡提取最大子圖，在變分自編碼器的框架內(nèi)分別構(gòu)建以鄰近性為導向和結(jié)構(gòu)相似性為導向的圖卷積神經(jīng)網(wǎng)絡進行節(jié)點嵌入向量的聚合，捕捉兩種導向的網(wǎng)絡結(jié)構(gòu)特征，構(gòu)建相應的損失項進行模型參數(shù)更新；利用上述兩種導向的節(jié)點嵌入為聚類任務的輸入，使用k?means算法進行聚類分析，得到節(jié)點社團標簽和節(jié)點角色標簽；使用mataplotlib庫進行可視化，分析后得到當今環(huán)境下的課題關聯(lián)規(guī)律并推斷交叉學科下的人才分布情況。本發(fā)明的訓練方式為無監(jiān)督學習，不需要人工打標簽；得益于變分自編碼器的優(yōu)勢，訓練過程中其編碼是符合概率分布的，以確保其在隱空間具有良好的特性，從而避免過擬合。

本發(fā)明授權(quán)融合多視角信息導向表示學習的作者合作網(wǎng)絡挖掘方法在權(quán)利要求書中公布了：1.一種融合多視角信息導向表示學習的作者合作網(wǎng)絡挖掘方法，其特征在于，主要包括： 構(gòu)建作者合作網(wǎng)絡，提取所述作者合作網(wǎng)絡的最大子圖； 對所述的最大子圖的節(jié)點按照度進行升序排序進行節(jié)點集切分； 利用Refex統(tǒng)計節(jié)點屬性和節(jié)點鄰域?qū)傩蕴卣鳎瑥亩崛」?jié)點特征； 在變分自編碼器的框架內(nèi)構(gòu)成生成模型：分別構(gòu)建以鄰近性為導向和結(jié)構(gòu)相似性為導向的圖卷積神經(jīng)網(wǎng)絡進行節(jié)點嵌入向量的聚合，捕捉兩種導向的網(wǎng)絡結(jié)構(gòu)特征，進而構(gòu)建相應的損失項進行參數(shù)更新； 利用所述的生成模型得到上述兩種導向的節(jié)點嵌入，以此為聚類任務的輸入，使用k-means算法進行聚類分析，得到節(jié)點社團標簽和節(jié)點角色標簽； 使用mataplotlib庫進行可視化，通過分析節(jié)點社團標簽得到當今環(huán)境下的課題關聯(lián)規(guī)律，通過分析節(jié)點角色標簽推斷交叉學科下的人才分布情況。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人天津大學，其通訊地址為：300072 天津市南開區(qū)衛(wèi)津路92號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。